PEMS08数据集

PEMS08数据集是加利福尼亚州交通部门通过其性能测量系统（PEMS）收集的2016年7月1日至2016年8月31日期间，加州某段高速公路的交通流量数据。具体而言，PEMS利用170个传感器以30秒为时间间隔进行采集，之后汇总为间隔为5分钟的样本。该数据集包含了170个节点和295条边的交通网络，时间步数量为17856，提供了丰富的时空交通信息。本项目采用PEMS08公开数据集作为交通流量预测的验证数据，并结合多尺度多智能体动态超图卷积网络（MSDHGCN）模型，对数据进行了多尺度分解和动态超图构建，以更好地捕捉交通数据中的高阶时空相关性。通过对原始数据的调整和处理，我们能够更有效地建模交通流量中的复杂动态系统，提升预测的准确性和鲁棒性。

The PEMS08 dataset is traffic flow data collected by the California Department of Transportation via its Performance Measurement System (PEMS) for a segment of California highways between July 1, 2016 and August 31, 2016. Specifically, PEMS collects data using 170 sensors at a 30-second interval, which is then aggregated into 5-minute samples. This dataset contains a traffic network with 170 nodes and 295 edges, with a total of 17856 time steps, providing rich spatiotemporal traffic information. This project adopts the publicly available PEMS08 dataset as validation data for traffic flow prediction, and combines it with the Multi-Scale Multi-Agent Dynamic Hypergraph Convolutional Network (MSDHGCN) model to perform multi-scale decomposition and dynamic hypergraph construction on the data, so as to better capture the high-order spatiotemporal correlations in traffic data. By adjusting and processing the raw data, we can more effectively model the complex dynamic systems inherent in traffic flow, thereby improving the accuracy and robustness of prediction.

搜集汇总

背景与挑战

背景概述

PEMS08数据集是加州交通部门2016年7月至8月期间通过170个传感器采集的高速公路交通流量数据，时间间隔为5分钟，包含170个节点和295条边的交通网络，用于交通流量预测研究，并结合了多尺度多智能体动态超图卷积网络模型。